基于模型预测土壤属性的大面积高分辨率森林生态立地类型的分类研究

Ecosite defines the stand-level unit of site quality and is one of the most important information for forest growth and yield prediction and long-term forest management plans. A new method is required to produce high-resolution forest ecosites over a large area because traditional field surveys are expensive and time consuming. In this research, artificial neural network (ANN) technology was used to define relationships between high-resolution topo-hydrologic variables generated from digital elevation model data and key soil properties (soil drainage, soil texture, and soil organic carbon). The ANN-based soil property models were calibrated with a high-resolution field soil map in a small watershed. Then they will be extended to a larger area with additional existing coarse-resolution soil maps that accounted for regional variations of soil properties and limited number of field samples. Model-predicted soil moisture regimes (SMRs) and soil nutrient regimes (SNRs) from the predicted high-resolution soil property maps will be used to map forest ecosites. Finally, the new method will be used to produce high-resolution forest ecosite maps. The presented method will solve a long-standing challenge in using limited number of field samples to map high-resolution soil properties and forest ecosites over large areas without field surveys.

生态立地类型反映林分尺度的立地质量，是预测森林生长收获及制定长期森林管理计划的重要信息。然而，为了获取大面积（几十万公顷）、高分辨率（空间分辨率≤10米）森林生态立地空间分布图，传统的森林调查方法费时费人工费财，是不可行的。土壤水分状况和土壤养分状况可以有效的反应气候、生物物理、地质、地形对森林生长的总合影响，可用于直接确定生态立地类型而不需要实地的森林调查。这项研究旨在利用有限的样点数据，修正已有土壤属性模型，实现大范围、高分辨率的关键土壤属性（土壤排水性、土壤质地、土壤有机质含量）的空间分布预测，在基础上，模型建立关键土壤属性与土壤水分状况、土壤养分状况之间的映射关系，最终实现森林生态立地类型空间分布制图。这种高效的方法将解决长期以来困扰人们如何利用有限的样点实现大面积、高分辨率的森林土壤属性及生态立地类型分布制图的问题。

生态土地分类是运用生态分类系统（ecological classification systems）进行土地分类的方法。作为这个分类系统中的最小单位，生态立地类型反映林分尺度的立地质量，是预测森林生长收获及制定长期森林管理计划的重要信息。然而，为了获取大面积（几十万公顷）、高分辨率（空间分辨率≤10米）森林生态立地空间分布图，传统的森林调查方法费时费人工费财，是不可行的。土壤水分状况和土壤养分状况可以有效的反应气候、生物物理、地质、地形对森林生长的总合影响，可用于直接确定生态立地类型而不需要实地的森林调查。这项研究第一步，利用有限的样点数据（广东省云浮市林区，收集土壤样点数据985个，采样密度0.200/平方公里；加拿大Nova Scotia省林区，收集土壤样点数据1545个，采样密度0.036/平方公里），建立线性修正模型扩展已有土壤属性模型在大面积上的应用，实现了两个研究区范围、高分辨率的关键土壤属性（排水性、质地、有机质含量）的空间分布预测；第二步，在基础上，建立人工神经网络模型反映关键土壤属性与土壤水分状况、土壤养分状况之间的映射关系，模型预测土壤水分状况、土壤养分状况的空间分布；第三步，模型建立土壤水分状况、土壤养分状况与生态立地类型的映射关系，模型精度59-61%，最终实现森林生态立地类型空间分布制图。这种高效的方法解决了长期以来困扰人们如何利用有限的样点实现大面积的高分辨率的森林土壤属性及生态立地类型分布制图的问题。